チュートリアル

チームがAgent HarnessのToken効率を高めるプロンプトを共有

原題:here's a prompt to improve your agent harness based on what we've learned at cursor. enjoy # Improv...

AI 要約

LLM Agent Harnessを最適化し、タスク品質を落とさずにタスクあたりの価格加重tokenコストを下げることを目的とした公開プロンプト。あるチームの1回の変更(プロンプト簡素化、ツールアンロード、キャッシュ配置、疎な行番号、サブエージェント調整)で全体のtokenコストを約7%削減し、品質は損なわれなかった。プロンプトはリクエスト単位ではなくタスク単位での計測を強調し、まずharnessをマッピングしてベースラインを測定し、優先順位に従って変更を実施することを推奨している。

要点

  • LLM Agent Harnessを最適化し、タスク品質を落とさずにタスクあたりの価格加重tokenコストを下げることを目的とした公開プロンプト。
  • あるチームの1回の変更(プロンプト簡素化、ツールアンロード、キャッシュ配置、疎な行番号、サブエージェント調整)で全体のtokenコストを約7%削減し、品質は損なわれなかった。
  • プロンプトはリクエスト単位ではなくタスク単位での計測を強調し、まずharnessをマッピングしてベースラインを測定し、優先順位に従って変更を実施することを推奨している

概要

公開日時
更新日時
出典
X:Eric Zakariasson (@ericzakariasson)
カテゴリ
チュートリアル
AI スコア
77
原文を読む 情報源で全文を読む
おすすめの理由

来自 Cursor 团队经验的完整 agent harness 降本 prompt,给出实测数字、执行顺序和常见陷阱,可直接复用。

出典と著作権

本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。

原文記事 · AIHOT 記事

引用方法

本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。

Orange News:チームがAgent HarnessのToken効率を高めるプロンプトを共有。2026年9月24日。https://new.nat6.net/ja/news/cmuek0q2c05foroynclaijp3z/

すべて見る →